MODELIZACINDIFUSAPARALAPLANIFICACIN

AGREGADADELAPRODUCCINENAMBIENTESDE
INCERTIDUMBRE
FUZZYMODELIZATIONFORAGGREGATEDPRODUCTION
PLANNINGUNDERUNCERTAINTYENVIRONMENTS

MARTNDARIOARANGOSERNA
II.DoctorIngenieroIndustrial
EscueladeIngenieradelaOrganizacin.FacultaddeMinas.UniversidadNacional,mdarango@unalmed.edu.co

CESARVERGARARODRGUEZ
II,UniversidadNacionalde Colombia, cjvergar@unalmed.edu.co

HORACIOGAVIRIAMONTOYA
Estudiantedeingenieraindustrial,Universidad Nacionalde Colombia, hagaviri@unalmed.edu.co

Recibidopararevisar Julio5de2009,aceptadoOctubre7de2009,versinfinalOctubre26de2009

RESUMEN: El presente artculo presenta una herramienta de apoyo a los procesos de toma de decisin en la
planificacindelaproduccinamedianoplazocuandolademandaesunparmetroconincertidumbre,desarrollada
al interior del Grupo de Logstica IndustrialOrganizacional GICO. El desarrollo de un plan de produccin lleva
consigoladeterminacindeparmetrosquemuchasvecesposeenciertogradodevaguedad,estoconllevaaqueel
personal a cargo de tomar dediciones asuma el manejode esta incertidumbre. La lgica difusa aparece como una
herramienta alternativa a la estocstica o tradicional para asistir procesos de toma de decisiones en ambientes
difusos.Esteartculoinicialmenterealizaunabreveintroduccinacercadelaplanificacindelaproduccinydela
lgicadifusa.Seguidamentesediseaunmodelodeprogramacinlinealdifusacomoherramientadeapoyoparala
toma de decisin en la planeacin agregada de la produccin cuando esta sigue una estrategia de alcance de la
demanda prevista, asumiendo a la demanda como un parmetro difuso. Para la construccin de este modelo fue
preciso plantear previamente un modelo de programacin lineal que marcara los lmites del modelo difuso.
Finalmente en este artculo se soluciona un problema de planeacin agregada donde la demanda posee
incertidumbre, utilizandoelmodelodifusopropuesto.

PALABRASCLAVE:Lgicadifusa,planificacindelaproduccin,decisionesenambientesdifusos,modelode
programacinlinealdifusa,planeacinagregada, modelodeprogramacinlineal

ABSTRACT:Thisarticleshowsatooltosupportdecisionmakinginproductionplanningforthemediumtermif
demandisan uncertain parameter, developed intotheIndustrialOrganizational LogisticResearch Group GICO.
The development of a production plan involves the determination of parameters that often have some degree of
vagueness, it is concluded that the personnel in charge of taking dedication assume the management of this
uncertainty.Fuzzylogicappearsasanalternativetotraditionalorstochasticprocessestoassistdecisionmakingin
fuzzyenvironments.Thisarticlebeginswithabriefintroductionoftheproductionplanningandfuzzylogic.Inthe
second part it designs a fuzzy linear programming model as a tool to support decision making in the aggregate
productionplanningwhenitfollowsastrategy offorecastdemand,assumingtheclaimasafuzzyparameter.Forthe
constructionofthismodelpreviouslywastoraisealinearprogrammingmodeltomarktheboundariesofthefuzzy
model.Finallyinthispapersolvesan aggregateplanningproblem wheredemandisuncertain,usingtheproposed
fuzzymodel.

KEYWORDS: Fuzzy logic, production planning decisions in fuzzy environments, fuzzy linear programming
model,aggregateplanning,linearprogramming model.

Dyna,Ao77,Nro.162,pp. 397409.Medelln, Juniode2010.ISSN00127353

398
1. INTRODUCCIN
En este articulo se desarrolla el concepto de lgica
Difusa,introducido en1965por Lotfi AskerZadeh
[8]. La lgica difusa es un lenguaje que permite
modelar sentencias del lenguaje natural del ser
humano como un formulismo matemtico. Este
modelamientoserealizaatravs deuna funcin de
membresa o pertenencia continua en el intervalo
[0,1] que califica el nivel de pertenencia de cada
elementodeunconjunto [3],[9].
Enunproceso deplanificacin de laproduccinse
determinaparalelamentelosnivelesdeproduccin,
inventarioycapacidaddeunaorganizacinparaun
horizonte de planificacin conocido con el fin de
minimizarloscostostotalesgeneradosporelplande
produccin [4].
En un problema de planificacin de la produccin
donde la incertidumbre de los parmetros juega un
papel importante, la herramienta de apoyo para la
toma de decisiones debe seleccionarse de manera
quelefacilitealusuariotomarladecisinadecuada
y responder a los posibles imprevistos que surjan
[1].
El objetivo de este artculo es presentar una
herramientadeapoyoparalatomadedecisionesen
la planificacin de la produccin, ms
concretamenteen laplaneacinagregada.
Este articulo se enmarca dentro del proyecto de
InvestigacinfinanciadoporelDIME2008titulado
Modelizacin matemtica fuzzy para la
planificacin de la produccin en contextos de
incertidumbre
Se da un breve marco referencial asociado a la
planificacin de la produccin y a la lgica difusa
con el objetivo de familiarizar al lector con estas
temticas.
Para la construccin del modelo fuzzy se hizo
necesario la delimitacin de los parmetros difusos
presentes en el mismo, esto se logra evaluando el
modelo determinista equivalente en los lmites que
presentanlosparmetrosdifusos.
Finalmente, se ilustra el uso del modelo de
programacin lineal difusa propuesto en este
artculo en el campo de la planificacin de la
produccin, especficamente brindando solucin a
un problemadeplaneacin agregada,teniendoen
Arangoetal
cuenta a la demanda como un parmetro
difusoylasconclusionesmsrelevantesobre
el problemamodelizado.
2. PLANIFICACIN DE LA
PRODUCCIN.
Unaorganizacindebeplanearlaproduccin
antes de poder llevarla a acabo. Sin la
planificacin de la produccin es probable
que una empresa no pueda producir lo
suficiente para lograr un incremento en la
demandafutura.Quizs lacapacidadno este
disponible en ese momento y se pierdan las
ventas[6].
2.1 La J er ar qua De Los Planes De
Pr oduccin
La jerarqua de planes de la funcin
productiva est compuesta por tres niveles
[4]:
2.1.1 Planificacin estratgica o a largo
plazo
Ladeterminacindelacapacidadproductiva
es una decisin que lleva asociada una
importante inversin de capital y va a
determinar en gran medida las posibilidades
dexitodelaorganizacin.Porello,esuna
decisin que debe analizarse de forma
detenida,tratandodeoptimizarlautilizacin
delosrecursosfinancieros.
Se puede definir la capacidad como la
mxima cantidad de bienes o servicios que
pueden obtenerse en una unidad productiva
en condiciones normales de funcionamiento
enun periododetiempodeterminado [4].
2.1.2 Planeacinagregada
La finalidad principal de la planificacin
agregada es determinar la combinacin de
ritmosdeproduccin,manodeobrayniveles
de existencia, que minimiza costos y logra
satisfacer la demanda prevista. Para ello se
debeconseguirlossiguientesobjetivos:
 Dyna162,2010
Minimizarelcosteymaximizarlosbeneficios.
Maximizarelservicioalcliente.
Minimizarlainversineninventario.
Minimizar los cambios en el ritmo de
produccin.
Minimizarlasvariacionesenlaplantilla.
Maximizar la utilizacin de la capacidad
instalada.
Un plan agregado bien elaborado debe lograr
adaptar la produccin a las oscilaciones de la
demanda otratardereducirla intensidad de dichas
oscilaciones, a la vez que conseguir una eficiente
utilizacindelacapacidadproductivadelaempresa
(manodeobra,maquinaria,etc.).
Algunas medidas para modificar la oferta son las
contrataciones y despidos de empleados,utilizacin
dehorasextraordinarias,contratacindeempleados
temporales o a tiempo parcial, acumulacin de
inventario en temporada de poca demanda y la
subcontratacin de la produccin. Esta ltima
implica una serie de inconvenientes entre los que
podemos sealar la perdida de control sobre el
tiempodeentregaylacalidaddelproducto [4].
Otraalternativa es mantenerelritmodeproduccin
ytratardemodificarlademandaparaamortiguarsus
oscilaciones. Evidentemente esta opcin no cuenta
con tantas posibilidades de xito, dado que en la
demanda influyen muchos factores que se
encuentranfueradecontroldelaorganizacin.Aun
aslaempresapuedetratardemodificarlademanda
mediante:lamodificacindeprecioodelapoltica
de comunicacin, la retencin de pedidos, la
creacin de nueva demanda y la complementacin
de la gamma de productos empresariales con otros
quetenganunaestacionalidadinversa[4].
Entre las estrategias alternativas que el director de
operacionesdebeelegiralahoradeconfeccionarel
plan agregado de produccin se puede sealar las
tressiguientes[4]:
Estrategia de produccin constante: En esta
opcin elritmo deproduccinseconsiderafijo
eneltiempo,conlocualseconsiguereducirlos
costos de contratacin y despido, se simplifica
el proceso de planeacin de recursos, se
incrementalacalidaddelproducto,sesimplifica
el cumplimiento del cronograma de produccin
399
y se reduce el coste de mano de obra y
materiales al evitar las paradas en el
procesoproductivo [4].
Estrategia de seguimiento de la
demanda: En este caso, el ritmo de
produccinseadaptaencadaperiodoala
demandaexistente,porloqueelnivelde
inventario es prcticamente inexistente.
Paralograrloesnecesariocontarconuna
enorme flexibilidad que nos permita
variar el nmero de trabajadores,
capacidad instalada y materiales de
formarpidayeconmica[4].
Estrategias mixtas: Se trata de una
mezcla de las opciones anteriores, en la
cual la empresa establece un nivel base
de produccin constante que adapta a la
demanda empleando horas extras,
trabajadorestemporales,subcontratacin,
acumulacindepedidos,etc.[4].
2.1.3 Programa maestro de produccin
(MPS)
Un programa maestro de produccin (MPS)
representa un plan para la fabricacin. Este
plan proporciona los requerimientos de
insumos del nivel superior y desarrolla las
cantidades y fechas que se deben explotar a
findegenerarlosrequerimientosporperiodo
paracomponentes,piezasymateriasprimas.
ElMPSnoesunaproyeccindeventas,sino
un plan de fabricacin factible. Un MPS
detallado determina la economa de la
produccin mediante el agrupamiento de
diversas demandas y la elaboracin de
tamaos de lotes. De esta manera, el MPS
conserva la integridad de las acumulaciones
del sistema total, las acumulaciones
anticipadas y los requerimientos de
componentesdenivelinferior[4].
2.1.4 Planificacindelaproduccinamuy
cortoplazo
Elplandeproduccinacortoplazotieneun
horizontedeplaneacininferioratresmeses.
A esta planificacin a corto plazo se la
conoce en las empresas industriales como
400
gestin de talleres y se encarga de programar,
controlaryevaluarlasoperacionesdeproduccina
muy corto plazo, para lograr el cumplimiento del
plan maestro con la capacidad disponible y con la
mayoreficienciaposible.
Entrelas principales funciones querealizaen dicha
gestindetallerescabesealarlassiguientes[4]:
Evaluarycontrolarlospedidosafabricar.
Establecer las prioridades entre los pedidos o
trabajos a realizar, ordenndolos por centro de
trabajoyasignndoselosacadaunodeellos.
Rastrearlaevolucindelospedidosencurso.
Controlareldesarrollodelasoperaciones.
Controlar la capacidad de cada centro de
trabajo.
Proporcionar realimentacin al sistema de
planificacinycontroldecapacidad.
3. LGICADIFUSA
Laimprecisin en lainformacintiene que vercon
el entorno humano, esta puede ser del tipo
estadstico o no estadstico. Precisamente es a este
ltimo tipo de incertidumbre es a la que se hace
referenciacomodifusa.Porejemplo,sisedefineel
conjunto de objetos que estn cercanos a 7,
entonces no ser posible definir dicho conjunto
empleando valores convencionales,con objetos que
satisfagan propiedades precisas para el grado de
pertenencia.Zadeh(1965)propusolarepresentacin
de dicho elemento mediante funciones de
pertenencia,quemapeanlosnmerosenelintervalo
unitario [0, 1], los cuales contienen un grado de
pertenencia. Usando esta representacin, se puede
definirunconjuntodenmerosqueseancercanosa
7.Endichocaso,sielgradodepertenenciaes0.98,
entoncessepuedeinferirquesetratadeunelemento
conunvalorcasiigual a7 [1],[2].
La funcin caracterstica de un conjunto clsico
asigna un valor de 1 0 a cada individuo en el
conjuntouniversal 1a los queson miembros de la
relacin y 0 a los que no. Esta funcin puede ser
generalizadadetalmaneraquelosvaloresasignados
alos elementos del conjuntouniversal estn dentro
de un rango, especificando con este el grado de
Arangoetal
adhesin de estos elementos en el conjunto
encuestin.Losvaloresmsaltosindicanun
mayor grado de afiliacin. Esa funcin se
llama una funcin de pertenencia, y el
conjuntodefinidoporunconjuntodifuso[3].
Zimmermann(1996),defineformalmentelos
conjuntos difuso como:
~
A ={x,mA ( x)}, x X
donde mA( x)se
denominalafuncindepertenencia(ogrado
~
de pertenencia) de x en A, y
mA : X Mes una funcin de X en un
espacio M denominado espacio de
pertenencia.Cuandoelespaciodeperteneca
~
slocontiene los dos puntos 0y1, A no es
difusa y mA( x) es idntica a la funcin
caracterstica de un conjunto no difuso.
mA( x) Es una funcin cuyo rango es un
subconjunto de los nmeros reales no
negativos y quetiene lapropiedad de que el
supremo de este conjunto es finito. As, la
presuncin bsica es que un conjunto
~
difusoA , a pesar de la imprecisin de sus
lmites, se puede representar con precisin
asocindole a cada puntox un nmero entre
doslmitesinferiorysuperior,porejemplo0
y1,querepresentansu gradodepertenencia
~
en A [5].Paraelmejorentendimientodelos
conjuntos difusos seguidamente se
presentaran variosejemplos.
Ejemplo1.Sedeseadescribirelconjuntode
lagentejoven.
B = {Conjuntodegente joven}
B=[0,20]
El lmite inferior puede ser 0, pero el lmite
superioresmsdifcildedefinir.
Cmosedefineellmitesuperioren
20,paraunapersonajoven?
Unapersonade21aosoentre20y
21,yanoesjoven?
LaFigura 1 muestraunaforma de definir el
conjunto de personas jvenes, asignndole
unafuncindepertenenciaentre0y1.

Figur a1. Ejemplodeconjuntodifuso.
Figur e1. Exampleofdiffuseset.
~ Figur e3. Asymmetricaltriangularfuzzynumber
Se define el nmero difuso A , como el conjunto
cuyafuncindepertenencia, mA tomaelvalorde1,
en el punto x = A. Un nmero difuso A
correspondeaunsubconjuntonormalyconvexode
un universo de discurso X. Normalmente
"x RymA (x)) = 1. Dicha convexidad
implica: "x1 X,"x2 X,a [0,1].
~
Si A es un nmero difuso, entonces se considera
queestriangularsisuconvexidadeslinealatramos.
Con la finalidad de simplificar las operaciones con
los nmeros difusos, generalmente se simplifica su
notacin, de manera lineal. Desde este punto de
vista, un nmero difuso triangular asimtrico se
denota como sigue: a~ =(m- a ,m,m+ b ) [2]
(Figura2).
Figur a2. Nmero triangulardifusoasimtrico:
a~ =(m- a ,m,m+ b ) .
Figur e2. Asymmetricdiffusetriangularnumber:
a~ =(m- a ,m,m+ b )
Ntese que corresponde a una notacin simple,
como una representacin de 3 nmeros concretos,
donde el nmero del centro representa el punto
donde mA=1 .
Ejemplo 2. Un nmero cercano a 6, (Representado
~
enlaFigura3),puededenotarsecomo 6 =(4.5,6,
7.3)
Dyna162,2010 401
Figur a3. Nmerotriangulardifusoasimtrico
~
6 =(4.5,6,7.3).
~
6 =(4.5,6,7.3).
~ Una extensin de la representacin de los
nmeros difusos, puede realizarse tomando
funciones de pertenencia trapezoidales. Se
obtiene as un nmero difuso trapezoidal,
como se denota a continuacin:
~
b =(m,n,a ,b ) . La representacin grfica
delnmeroexpresadoenlaecuacinanterior
seobservaenlaFigura4.
Aunqueestetipodenmerospuedenabarcar
una gran componente de incertidumbre,
requierentratamientos matemticos de orden
ms complejo que el de los nmeros
triangulares[2].
Figur a4. Conceptodenmerotrapezoidaldifuso
~
asimtrico b =(m,n,a ,b ) .
Figur e4. Trapezoidalfuzzynumberconceptof
~
asymmetric b =(m,n,a ,b )
4. MODELO DE PROGRAMACIN
LINEAL PARA LA PLANEACIN
AGREGADADEPRODUCCIN.
Unadelastareas enquelosadministradores
de produccin han invertido ms tiempo y
recurso es en la planeacin agregada. A lo
largodeltiemposehandesarrolladomuchos
modelos utilizando programacin lineal y
estos han tratado de alcanzar los principales
objetivosquebuscaunaplaneacinagregada
[6],[8]. Una de las ventajas que ofrece la
programacin lineal es que todas las
402
variables ysus costesepueden expresar de manera
explicita[6].
Elmodelodeprogramacinlinealqueseproponeen
esteartculo,buscaminimizarloscostosasociadosa
laplaneacinagregadadeproduccin.
Lanotacinquesedefinirdeaquenadelanteesla
queseutilizaraalolargodeeste artculo.
4.1 Definicin DeVar iablesDeDecisin
Acontinuacinsedefinirnlasvariablesdedecisin
del modelo de programacin lineal para la
planeacinagregadadeproduccin:
CEi =Cantidaddeempleadosenel periodoi.
CHEi =CantidadProducidaen HorasExtrasenelPeriodoi.
CUSi =CantidaddeProduccionSubcontratadaenelPeriodoi.
CECi =CantidaddeEmpleadosContratadosenelPeriodoi.
CEDi =CantidaddeEmpleadosDespedidosenelPeriodoi.
PJRi = ProduccionJornadaRegularenelPeriodoi.
NUIi =NumerodeUnidadesen InventarioenelPeriodoi.
4.2 Definicin De Par metr os Constantes Del
Modelo.
Los parmetros a continuacin se consideran
constantesdentrodelmodelo:
Di = DemandaPrevistaenelPeriodoi.
CDLi = CantidaddediasLaborables enelPeriodoi.
CMB =CapacidaMaximaenlabodeg a(ProductoTerminado)
CHTEU =CantidadHorasdetrabajo
Estandar porunidaddela familia.
CHEED =Cantidaddehoras Estandarporempleadodia.
CME =Capacidadmax imadeEmpleados
PHE = PoliticaLimiteHorasExtras.
PCE = PoliticaLimitedeContrataciones porPeriodo.
PDE = PoliticaLimitedeDespidosporPeriodo.
PUS = PoliticaLimiteUnidadesSubcontratadasporperiodo.
Di = DemandaPrevistaenelPeriodoi.
CostHR =CostedehoraRe gular.
CostHE =CostedeHoraExtra.
CostUS =Coste porUnidadSubcontratada.
CostC =CostedeContratarunEmpleado.
CostD =CostedeDespidodeunEmpleado.
CostUI =CostodeUnidadenInventario.
Acontinuacin,sepresentalafuncinobjetivoylas
restriccionesdelmodelo de programacin lineal.
Arangoetal
4.3 Funcin Objetivo
Aunqueexistendiversasmetasquealcanzara
la hora de crear un plan agregado, para el
modelo de programacin lineal propuesto
solonoscentramosenunobjetivo,minimizar
los costos asociados al plan agregado de
produccin. En este sentido, para minimizar
estoscostosplanteamosunafuncinobjetivo
que esta conformada por unos costos de
manodeobrayotrosdemanejodeinventario
en el horizonte de planeacin conocido. A
continuacin se define en que consiste cada
unodeestoscostos:
4.3.1 Costos manodeobra.
Este tipo de costos hace referencia a los
ocasionados por el incremento de la
produccin,nosoncostosfijos,esdecir,son
costos asociados a la manufactura de
productos en horasregulares, extraordinarias
y costos de unidades subcontratadas.
Tambin tiene en cuenta los costos de
contratacinydespidodepersonalconelfin
de alcanzar la demanda prevista [1]. El
modelodeestoscostoseselsiguiente:
12
CMO = (CDLi CEi CHEED CostHR) +
i=1
12 12
(CHEi CHTEU CostHE) + (CUSi CostUS ) +
i=1 i=1
12 12
(CECi CostC) + (CEDi CostD)
i=1 i=1
Donde:
CMO =CostomanodeObra
4.3.2 Costos asociados a manejo de
inventario
Cuando se produce un descenso de la
demanda puede mantenerse el ritmo de
produccin establecido acumulando en
excesodeproduccinennuestrosalmacenes.
Dichacantidaddeartculosalmacenados nos
permitirn satisfacer un exceso de demanda
que pueda producirse en un futuro sin
necesidad de modificar nuestro ritmo de
produccin. Evidentemente la acumulacin
de inventarios tieneuncosteimportante,por
loquenosepuedeabusardeestaopcin [4].
 Dyna162,2010 403

Elcostequesetendrnencuentaparaelmanejode en cuenta limitaciones de capacidad,

inventarioeselproducidoalalmacenarunproducto mercado, materiales e inventario,
porperiodoelcostederupturadestocknosetendr administrativasydenonegatividad.
en cuenta divido a la estrategia de alcance de la
demanda que empleamos en el modelo no hay
4.4.1 Restriccionesdecapacidad
unidades faltantes. El modelo de estos costos es el
siguiente: Lashorasregularesdisponibles,estnsujetas
12
a la cantidad de empleados por periodo y
CMI = (NUIi-1 CostUI) dichaproduccinporperodoestasujetaala
i=1 cantidaddehorasregularestiles.
Donde: 1
CDLi CEi CHEED = PJRi
CMI =CostoManejodeInventario. CHTEU
Despus de definir los costos de mano de obra y
manejo de inventario nos disponemos a platear Reemplazando parmetros constantes y
nuestrafuncinobjetivocomosigue: unidades de las variables de decisin
tenemos:
Min CAPA=CMO+ CMI
CDLi [dia]CEi[empleado]
[hora]
Donde: [empleado dia]
CAPA =CostodeAplicacion delPlanAgregado

Paraluegollegaraunaversinsincontraccindela 1
= PJR [unidad]
funcinobjetivo: hora i

12 unidad
MinCAPA = (CDLi CEi CHEED CostHR)
i=1
Otro tipo de restriccin de capacidad tiene
12 que ver con el lmite de empleados que la
+ (CHEi CHTEU CostHE) + empresapuedealbergar.
i=1
12 12 CEi-1 + CECi - CEDi CME
(CUSi CostUS) + (CECi CostC) +
i=1 i=1
CEi = CEi-1 + CECi - CEDi
12 12

(CEDi CostD) + ( NUIi -1 CostUI) 4.4.2 Restriccionesdemercado

i
=1 i =1
4.4 PlanteamientoDeRestr icciones
Exciten diversas categoras de restricciones en la
industria manufacturera, como son: de mercado, de
materiales e inventario, de capacidad, logstica,
administrativas y conductuales. Los requisitos y
necesidades de mercado definen los lmites de
rendimiento especfico de la empresa. Los
problemas de materiales, inventario y capacidad le
saltan a la vista al administrador de la produccin,
por lo tanto, es posible que estas reciban gran
atencin. En las industrias manufactureras tambin
hay restricciones logsticas, administrativas y
conductuales[7].Elmodelodeprogramacinlineal
queproponemosparaunaplaneacinagregadatiene
Esta restricciones existen divido a la
estrategia dealcance de lademandaprevista
queseutilizaparalaplaneacinagregada,la
cualadaptaelritmodelaproduccinencada
periodo a la demanda existente. A
Continuacin se muestra el modelo de la
restriccindemercadoqueseutilizara.
PJRi + CHEi + CUSi + NUIi-1 Di
Reemplazando parmetros constantes y
unidades de las variables de decisin
tenemos:
404
CDLi [dia] CEi[empleado] 8 [hora] 1 +
[empleado dia] 2 hora
unidad
CHEi[unidad] + CUSi[unidad] + NUIi-1[unidad] Di[unidad]
4.4.3Restriccionesdematerialeseinventario
El modelo no tiene consideraciones ni limitaciones
acercadelmanejodemateriasprimas.Paramodelar
las restricciones de inventario, se tiene que el
inventario al final de un perodo debe ser igual al
inventario del perodo anterior sumada la
produccin del perodo menos la demanda del este
periodo.
NUI i = NUIi-1 + PJRi + CHEi + CUSi - Di
Reemplazandoparmetrosconstantesyunidades de
lasvariablesdedecisintenemos:
NUIi [unidad] = NUIi-1[unidad] + PJRi[unidad]
+ CHEi[unidad] + CUSi[unidad] - Di[unidad]
Losnivelesmximosymnimosdeinventarioestn
condicionados a la capacidad que se tiene en la
bodegaparaalmacenarproductoterminado.
NUIi CMB
Este tipo de restricciones costa de una estructura
muysimple,porlocual no necesitaladescripcin
delasunidadesdelosparmetrosquelaconforman.
4.4.4Restriccionesadministrativas
Estasrestriccionestienenqueverconlas diferentes
polticasquelagerenciahaimpuestoenlaempresa.
Seguidamente se expondrn y detallaran estas
polticasylasrestriccionesqueestasconllevan.
Polticadehorasextras
En la mayora de los casos cuando se tienen
polticas de horas extras,estas secalculan como
unporcentajedelaproduccinentiemporegular.
Para Colombia, por ley, se tiene estipulado un
mximo de produccin en horas extras
equivalente a un 10% de la produccin en
jornadaregular[1].
CHEi PHE PJRi
Polticasdecontratacionesydespidos
Arangoetal
Esta poltica empresarial trata de no
contratarodespedirmsdeunnmerode
empleadosenunsoloperodo.
CECi PCE
CEDi PDE
Polticasdemximasubcontratacin
Esta restriccin limita el nmero de
unidades de produccin que es
convenientedelegaraotraempresa.
CUSi PUS
4.4.5 RestriccionesDeNoNegatividad
Esta restriccin implica que ninguna de
las variables de decisin en el modelo
debersernegativa.
5. MODELO DE PLANEACIN
AGREGADA DE PRODUCCIN CON
LGICADIFUSA
En esta parte del artculo se plantea un
modelodeprogramacinlinealdifusaparala
planeacin agregada de produccin, este
modelo es una ampliacin del modelo lineal
planteado en la seccin cuatro, con la
diferenciaquelademandaestadadade forma
imprecisaovaga.
Uncasoparticularde laprogramacinlineal
difusa es cuando los coeficientes del lado
derecho de las restricciones bi son
cantidadesconciertogradodeincertidumbre
[3].
Para el diseo de este modelo seasume que
losvaloresdelademandaestndefinidosen
elintervalo [Di,Di + pi ] paracadaperiodo,
donde Di eslademandapronosticadaparael
periodoiypi es elcomponentedifuso pi se
puede definir por mtodos cualitativos para
pronsticos de demanda para cada periodo
estos mtodos se basan en percepciones y
juiciosdevalorqueseconstruyenapartirdel
entorno, de factores que determinan la
demandayenlapresenciafuturadeestos[4].
 Dyna162,2010 405

Despus de los anteriores supuestos se procede a Luegoelconjuntodifusodevaloresptimos

plantear el modelo de difuso para la planeacin (U),elcualesunsubconjuntodifusode Rn,
agregadaelcualbuscamaximizarlasatisfaccindel estadefinidopor[3]:
decisor ( l) minimizando a su vez los costos de 1 si x CAPA-
implementacin de un plan agregado bajo una CAPA - x
+

estrategia de alcance de demanda prevista, cuando U(x)= + -

si CAPA- < x< CAPA+
CAPA - CAPA
estaposeeincertidumbre. 0 x CAPA+
El primer supuesto que realizamos para nuestro
~
modelo es que Di es un nmero difuso. Para una En este caso el grado de satisfaccin del
~
mejor ilustracin, Di es un nmero difuso de la decisor (l) aumenta en la medida que la
forma: respuestaobtenidaseacercaa CAPA- como
lomuestralafigura6.
1 si ax Di + pi
~ ax- D
i
Di (x)= si Di < ax< Di + pi
pi
0 ax Di

Cuyarepresentacinsemuestraenlafigura5.

Figur a6. Nmerodifuso CAPA.

Figur e6. FuzzynumbersCAPA.

~ Luegolasolucinmseficienteseencuentra
D
Figur a5. Nmerodifuso i .
resolviendo el siguiente modelo de
~ programacinlineal [7]:
D
Figur e5. Fuzzynumbers i .
Maxl
Ahora,paradeterminarelconjuntodifusodevalores S.A.
ptimos, primero se calculan los lmites inferior y
superior de estos. Para hallar estos lmites, se RestriccionesDeCapacidad:
solucionan los problemas de programacin lineal 1
estndarequivalentes: CDLi CEi CHEED = PJRi
n
CHTEU
Min CAPA +
= c j x j CEi -1 + CECi - CEDi CME
j= 1
n Restricciones De La Funcin Objetivo
S.a
j= 1
ai j x j bi + pi (i N m ) (Difusa):
+ -
x j 0 ( j N n ) l ( CAPA - CAPA ) +
n
n
Min CAPA -
=
j
=1
cj x j
j
(CDL i CE i CHEED CostHR ) +
= 1

n
(CHE i CHTEU CostHE ) +
S.a
j
ai j x j bi
= 1
(i Nm )
(CUS i CostUS ) + (CEC i CostC ) +
xj 0 ( j N n ) (CED i CostD ) + (NUI i-1 CostUI )
+
CAPA
Paraestefinutilizamos elmodelo deprogramacin
linealquesepropusoenelnumeral cuatro. RestriccinDeMercado(Difusa)
406 Arangoetal

n Tabla1. Demandaprevista

j
=1
PJRi + CHEi + CUSi +NUIi -1 - lpi Di Table1. Expecteddemand
DemandaPr evista
RestriccionesDeMaterialeseInventario (Difusa): Enero 2500
Febrero 3200
NUI i - (NUIi-1+ PJRi + CHEi + CUSi)- Pil = - Di Marzo 3800
Abril 2300
NUIi CMB Mayo 1800
Junio 2500
RestriccionesAdministrativas: Julio 4000
Agosto 3200
PolticaDeHorasExtras: Septiembre 3800
Octubre 2600
CHEi PHE PJRi Noviembre 2100
Diciembre 1800
PolticaDeContratacionesYDespidos:
CECi PCE El gerente de esta empresa ha comprobado
(experiencia) que la demanda alcanza
CEDi PDE aproximadamente200productos masquelas
prediccionesqueserealizanenlaempresa,el
PolticasDeMximaSubcontratacin: explica que esto se debe a que las
CUSi PUS predicciones que se realizan son muy
conservadoras.
YRestriccionesDeNoNegatividad
El comportamiento de la demanda difusa se
Donde es el nivel que como mnimo tienen que describeenlafigura8.
alcanzar todas las funciones de pertenencia. Lo
Teniendoencuentalainformacinanteriory
anteriorseinterpretarcomoelniveldeaspiracino
los datos operativos de la empresa(Tabla2)
desatisfaccindeundecisor[2].
se busca maximizar la satisfaccin del
6. APLICACIN DEL MODELO DIFUSO decisor al implementar una planeacin
agregada deproduccin.Estasatisfaccinse
A UN PROBLEMA DE PLANEACIN
AGREGADA logra minimizando los costos de la
planeacin agregada alcanzando la demanda
encadaperiodo.
En el siguiente problema se ilustra la ventaja de
considerar incertidumbre en la formulacin de
modelos para la planificacin de la produccin. Se
presentaacontinuacin lasolucin deunproblema
de programacin lineal difusa para la planeacin
agregada de produccin cuando la demanda es un
parmetrodifuso.
Figur a7. Demandadifusa
Figur e7.Fuzzydemand
6.1 EnunciadoDelPr oblema
En la tablas 2 muestra otra serie de datos
Unaempresaquesededicaala fabricacinyventa operativosdelaempresa.
deelectrodomsticos,quevendenconmarcablanca
enunaimportantecadenacomercial,lasprevisiones
dedemandaparaelprximoaoaparecenreflejadas
enlatabla1.
 Dyna162,2010 407

Tabla2. Datosoperacionales Tabla3.Daslaborados.

Table2. Operationaldata Table3.Labordays.
DasLabor ados
DatosOp eracio nales
Enero 20
Inventariofinal 500
Febrero 20
Produccionmesdediciembredelpresenteao 2000 Marzo 21
Costeunitariodealmacenamientomensual $33.600 Abril 20
Costedecontratacionporempleado $1.120.000 Mayo 19
Costedespidoportrabjador $1.400.000 Junio 19
Costedeunahorademanodeobraregular $25.200 Julio 21
Costedeunahorademanodeobraextra $42.000 Agosto 19
Costedesubcontratacionporunidad $140.000 Septiembre 22
Octubre 21
5%delaproduccion
Limitedehorasextrasmensuales
enjornadaregular. Noviembre 19
Diciembre 21
Horasdetrabjomensual 2

5. Sesuponequelacapacidaddeproduccin
6.2 AnlisisYSolucinDelPr oblemaDifusoDe en horas regulares, extras se mantiene
PlaneacinAgr egada constante a lo largo del horizonte de
Para propsitos de ilustracin, iniciaremos el planeacin.
anlisis del problema con una lista de suposiciones 6. Para determinar la cantidad de horas
usuales, para despus, presentar la solucin estndarpordaportrabajador,setomala
encontrada. suposicin que es la misma cantidad de
Supuestos horaslaborablesporda.
7. Se supone que la cantidad de horas
1. Se supone que los costos que se manejaran, se estndarporunidaddelafamiliaesigual
comportaran de manera constante a lo largo del las horas de trabajo por unidad
horizontedeplaneacin. (2h /Unidad).
2. La planta de empleados es de 25 al inicio del
horizontedeplanificacin. 8. Se supone que el espacio destinado para
almacenaje de producto terminado en la
3. Laempresatrabaja5das alasemana,unturno bodega de la empresa es para mximo
al da, comenzando labores a las 8 A.M. y 500unidades.
terminndolas a las 5 P.M. Con una hora de
almuerzoalas12M. 9. Se supone que la empresa tiene una
poltica de produccin en horas extras de
4. Se supone que la cantidad de das laborables nosuperar10%deltotaldeproduccinen
durante el horizonte de planeacin son los jornadaregular.
siguientes(Tabla3):
10.Se supone que la empresa tiene una
poltica de no superar la contratacin o
despido de mas de 10 empleados por
periodo.
11.Se supone que la empresa utiliza una
polticalacualtienecomolimitemximo
deunidadessubcontratadasporperiodode
500unidades.
12.Sesuponequelaempresapuedeteneruna
cantidaddeempleadosmximade50.
Para resolver este problema se utiliza los
modelos lineal y difuso planteados en este
408 Arangoetal

Co m par c ion d e M o d e lo s Pr o p u es t o s vs .De m an daPr e d ic h a

artculoloscualesfueronsolucionadosutilizandoel 4500
4000

softwareGAMS.Primeroseencontraronloslmites 3500

Unidades
3000

superior e inferior del modelo difuso. Los valores 2500

2000

1500

de CAPA+ y CAPA- son $ 2.016.682.272 y $ 1000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

Pe r io d os

1.887.366.690respectivamente. DemandaPrev is ta ModeloDeterministic o ModeloDif us o

Enlatabla4seencuentranelmanejodeempleados Figur a8. ComparacindeModelos.

encontrado con el modelo, con el fin de minimizar Figur e8.ComparisonofModels
costos y alcanzar la demanda en cada periodo del
horizontedeplanificacin. 7. CONCLUSIONES
Tabla4. Manejodeempleados. Algunodelosbeneficiosqueofrecelalgica
Table4. Managementemployees difusa a los procesos de toma de decisiones
en la planificacin de la produccin es el
Numerode Numerode manejo de la incertidumbre. Esta
Periodo Cantidadeempleados empleados empleados caractersticalepermitealapersonaoequipo
contratados despedidos
1 28 3 0
quetomanlasdecisiones,modelarconmayor
2 38 9 0 exactitudelcomportamientodeunparmetro
3 38 0 0
4 28 0 10
difuso.
5 21 0 6
6 31 10 0 aplicacinconlgicadifusapropuestaeneste
7 41 10 0 artculo para la toma de decisiones en la
8 40 0 1
9 39 0 1 planificacin de la produccin a mediano
10 29 0 10 plazo es un modelo de programacin lineal
11 26 0 3
12 20 0 6 difusa que tiene por objetivo maximizar la
satisfaccin del decisor. Esta aplicacin es
El volumen de produccin resultante para el til cuando lademanda es unparmetro con
horizontedeplanificacin seencuentradiscriminado cierto grado de incertidumbre y la empresa
enlatabla5. sigue una estrategia de alcance de la
demanda.Estaaplicacinofreceunasolucin
Tabla5. Produccin a las principales variables de decisin en la
Table5. Production planeacin agregada de produccin como lo
son: la produccin a realizarse en jornada
Produccionen
Periodo
Produccionenjornada
jornada
Cantidades Produccion regular y extra, la produccin que ser
regular subcontratadas total
extraordinaria subcontratada yel nmero de contrataciones
1 2250 0 0 2250 y despidos por periodo en un horizonte de
2 3003 0 0 3003 planificacinconocido.
3 3153 315 161 3629
4 2203 0 0 2203 El modelo de programacin lineal difuso
5 1623 0 0 1623
propuesto se utiliza en este articulo para
6 2384 0 0 2384
7 3474 347 0 3821 solucionar un problema de planeacin
8 3039 0 0 3039 agregada donde la demanda posee
9 3449 199 0 3648 incertidumbre.
10 2452 0 0 2452
11 1954 0 0 1954 solucin que entrega el modelo para este
12 1655 0 0 1655 problemaalcanzaunniveldesatisfaccinen
el decisor de 72% aproximadamente, este
Con estos resultados se alcanzo un nivel de resultadoesaceptabledentrodelconjuntode
satisfaccindeldecisorde =0.7195 @ 72%.Enla modelos diseados para la planeacin de la
figura 8 podemos apreciar la produccin resultante produccinendondelosmejoresalcanzanun
de los modelo difusos, deterministas y la demanda niveldesatisfaccindel78%.
predicha. Los modelos que se propone en este trabajo
son slo un ejemplo de las diferentes
 Dyna162,2010
aplicaciones que puede tener la lgica difusa para
facilitarlatomadedecisionesalahoradeplanificar
laproduccin.
REFERENCIAS
[1] ARANGO S., MARTIN D. URAN S.,
AUGUSTO PEREZ O., GIOVANNI. (2008).
Aplicaciones de lgica difusa a las cadenas de
suministro.Avance enSistemas eInformtica,Vol.
5,N3.
[2] CORREA, JORGE. Aproximaciones
Metodolgicas Para la Toma de Decisiones,
Apoyadas en Modelos Difusos. (2004). tesis
presentada a la Universidad Nacional de Colombia
para optar al grado de Magster en Ingeniera de
Sistemas.Medelln.
[3] KLIR, GEORGE.Fuzzy Sets end Fuzzy Logic,
Theory and Applications. (1995). Vol. 1, New
Jersey:PrenticeHallPTR
[4]MIRANDA,FRANCISCO.Manualdedireccin
deoperaciones.(2005).Vol.2,Madrid.
409
[5] MULA, JOSEFA, Aplicaciones de la
Teora de los Conjuntos Difusos en la
Planificacin de la Produccin: Un Estudio
de la Literatura. (2004). Memorias VIII
Congreso de Ingeniera de Organizacin.
Legans.
[6] NARASIMHAN, S. Planeacin de la
produccin y control de inventarios. 2 ed.
Mxico:PrenticeHall.[1996].
[7] UMBLE, MICHAEL. Manufactura
Sincrnica.(1995). Vol.1,Mxico.
[8] ZADEH. From circuit theory to systems
theory.(1965).IREProc
[9] ZIMMERMANN. Fuzzy Set Theory and
its Application. (1996). third ed., Kluwer
AcademicPublishers.